好奇吗？用AI做视频怎么操作的？我来手把手教你

OpenAI发了一些叫Sora的视频，网上一下子就炸了。视频里那个走在东京雪景里的时髦女人，还有在雪地里打滚的狗，看起来跟真的一样。很多人都在说，这下拍电影的要紧张了。

看到这些，你肯定也在想，这玩意儿普通人能做吗？是不是得懂编程、买一堆好设备？答案是：能做，而且比你想的简单。

这篇文章不讲那些虚的，只告诉你具体怎么一步步操作。就算你什么都不会，也能跟着做出来。

AI视频生成这事，到底咋回事

开干前，花两分钟搞明白它的基本原理，后面会顺很多。

①它是什么

说白了，就是你动嘴（打字），AI动手。你用文字告诉AI你想要个什么样的画面，AI就给你变出一段视频来。这东西的工作原理，跟ChatGPT那种聊天机器人有点像。它把视频拆成一小块一小块来学习，这样就能更好地理解时间和空间，让画面看起来更连贯。

②有几种玩法

主要有三种：

文生视频：最主流的玩法。你打字，它出视频。比如，写“一只猫穿着宇航服在太空漂浮，背景是地球”，AI就给你生成这段影像。
图生视频：你给它一张画或者一张照片，它能让这张图动起来。风吹头发、水面波动，这种效果它都能做。
视频生视频：你上传一段自己的视频，然后用话命令它改风格。把一段普通的街景，变成科幻片的感觉，或者把真人变成动画角色。

③为什么现在可以上手了

一年前AI做的视频还很粗糙，动不动就画面模糊、乱抖。现在不一样了。技术好了一大截，做出来的视频越来越真。而且Runway、Pika这些工具界面很简单，点几下鼠标就会用。更关键的是，很多工具都提供免费试用，你一分钱不花就能体验。

挑个顺手的工具开干

市面上工具一堆，这里只说几个最常用、最厉害的。

A.最强的那一档

OpenAI Sora: 这家伙是目前的标杆，质量最高，能生成长达一分钟的视频。而且已经最新的Sora2出来了，视频效果更震撼。
Pika Labs: 对新手很友好。界面干净，操作直接，还会自动配音效。它的社区很活跃，你能找到一堆别人的作品和写法参考。缺点是视频做的比较短。
RunwayML: 专业人士用得多，像视频版的Photoshop。它能让你控制画面里哪个部分动、哪个部分不动，功能多。如果你喜欢琢磨细节，这个适合。

B.打配合的辅助工具

做一个完整的视频，光有画面不够。

写稿子用: ChatGPT、文心一言。没灵感的时候，让它们给你写个故事、分镜脚本，或者直接帮你写好给AI的指令。
做图片用: Midjourney、Stable Diffusion。在用“图生视频”功能前，可以先用它们生成一张高质量的图片当底子，视频的起点就高了。
配音配乐用: ElevenLabs能把文字变成很真的人声旁白。Suno和Udio可以根据你给的风格关键词，直接生成一段原创音乐，不用担心版权问题。

C.怎么选

工具	优点	适合谁
Sora	效果最好，没对手	所有人
Pika	操作简单，上手快	刚入门的新手，想快速出片的人
Runway	功能专业，控制细节多	想深入玩、对画面有要求的人

我的建议：
如果你是第一次玩，就从Pika开始。它让你几分钟就能看到成果，有成就感。
如果你有点基础，想玩点花的，那就选Runway。

实操上手，做一个出来看看

下面我们完整走一遍流程，做一个“赛博朋克城市夜景”的短视频。

①第一步：想好要拍啥，写个脚本

别一上来就想着“做个酷炫视频”，这种想法太模糊，AI没法干活。

你可以直接打开ChatGPT，对它说：

“你现在是一个导演。帮我写一个15秒短视频的分镜脚本，主题是‘赛博朋克城市的雨夜’。每个镜头都给我一段详细的、可以直接喂给AI的指令（Prompt）。”

ChatGPT可能会给你类似下面的东西：

分镜1 (5秒):

镜头: 从高空俯瞰下雨的赛博朋克城市，霓虹广告牌在湿漉漉的街上闪着光，飞车在高楼间穿梭。

Prompt: A wide-angle aerial shot of a cyberpunk city on a rainy night. Giant holographic billboards flicker with neon light, reflected on the wet streets. Flying cars (spinners) weave between towering skyscrapers. Cinematic, highly detailed, Blade Runner style.分镜2 (5秒):

镜头: 镜头往下，跟着一个穿反光风衣、打着发光雨伞的人走。旁边都是机器人和路人。

Prompt: The camera pans down to follow a lone figure in a reflective trench coat, holding a glowing umbrella, walking on a crowded sidewalk. Various droids and cybernetically enhanced pedestrians pass by. Close-up shot, depth of field, moody lighting.

这样一来，你的拍摄计划就有了。

②第二步：把文字变成画面

拿着上面写好的“咒语”，去AI工具里生成视频。这里用Pika举例子。

01.打开Pika网站，找到输入框。
02.把第一个分镜的Prompt复制进去。
03.点生成。等个一两分钟，第一个视频片段就出来了。
04.用同样的方法，把剩下两个分镜也生成出来。

新手容易踩的几个坑：

指令写太短: 你只写“一只猫”，它就随便给你一只。你应该写“一只毛茸茸的橘猫在阳光下的窗台上睡觉，毛发细节清晰，照片质感”，细节越多，效果越好。
一个指令里塞太多动作: 又要跑又要跳还要笑，AI会懵。一次只让它干一件事。
不满意就算了: AI第一次生成的结果不一定就好。多试几次，改改你的指令，这个过程就像抽卡，总能抽出好的。

③第三步：把片段连成片

现在你手里有三个独立的片段了。怎么让它们流畅地连在一起，像一个完整的故事？这是目前的难点，保持角色和场景不变很难。

几个小技巧：

用描述来锁定: 生成第二个片段时，在指令里强调是“同一个穿反光风衣的人”。
用截图来延续: 对第一段视频的某一帧画面很满意？把它截下来，用“图生视频”功能来生成后续的动态。

④第四步：剪辑、配音、配乐

最后一步，让你的作品完整。用手机上的剪映App就行，操作简单。

01.导入: 把你生成的3个视频片段、一段从Suno那搞来的赛博朋克音乐，都丢进剪映。
02.排序: 按照分镜顺序，把视频片段在时间线上排好。
03.配乐: 把背景音乐拖进来，对齐画面，调调音量。
04.导出: 点导出按钮。

好了，你的第一个AI视频完成了。

写好提示词，让AI听懂话

提示词（Prompt）写得好不好，直接决定视频的质量。一个好提示词，就像一张清晰的图纸。

①基本结构公式

一个管用的Prompt，通常包含这几块：
[主体] + [在干嘛] + [在什么地方] + [什么风格] + [镜头怎么拍]

主体: 画面里最主要的东西。别只写“一个人”，要写“一个白发苍苍的老法师”。
在干嘛: “凝视着星空”，还是“在市场上奔跑”？
在什么地方: 背景是哪？“在一个旧图书馆里，阳光透过彩色玻璃窗照进来”。
什么风格: “宫崎骏动画风格”、“国家地理纪录片质感”、“80年代老电影胶片感”。
镜头怎么拍: 这是让视频看起来更专业的关键。用这些词：close-up (特写), wide shot (远景), drone shot (航拍), panning (镜头平移), cinematic lighting (电影感灯光)。

②一些进阶技巧